机构名称：
¥ 1.0
摘要-Multi-Access点协调（MAPC）和艺术智能和机器学习（AI/ML）被预计将是未来Wi-Fi的关键特征，例如即将到来的IEEE 80211亿次IEEE（Wi-Fi 8）及以后。在本文中，我们探索了一种基于在线学习的协调解决方案，以驱动空间重复使用（SR）的优化，该方法允许多个设备通过通过数据包检测（PD）调整（PD）调整和传输功率控制来控制干扰来执行同时传输。特别是，我们专注于多代理多武装匪徒（MA-MAB）设置，其中多个决策通过利用MAPC框架并研究各种算法和奖励共享机制来同时通过共存网络配置SR参数。我们使用良好的Wi-Fi模拟器Komondor评估了不同的MA-MAB实现，并证明，通过协调的mAb启用的AI-Native SR可以改善网络性能，而不是当前的Wi-Fi操作：平均吞吐量输入15％，而公平率提高了15％，而通过超过210％的最小访问量增加了最小的遍布量的最小范围，而将最高限制为210％以下MES，则可以提高33％的范围。索引术语 - 兵器，IEEE 802.11，机器学习，多访问点协调，多武器限制，空间重复使用，Wi-Fi
协调的多军匪徒，用于改善Wi-Fi
主要关键词
相关文件推荐
